文献类型：期刊文章

作　　者：周頔[1] 宋显华[2] 卢文斌[3] 付平[1]

ZHOU Di;SONG Xianhua;LU Wenbin;FU Ping(Institute of Automation Testing and Control,Harbin Institute of Technology,Harbin 150006,Heilongjiang Province,China;Department of Applied Mathematics,School of Science,Harbin University of Science and Technology,Harbin 150080, Heilongjiang Province,China;Shenzhen Metrology Quality Testing Institute,Shenzhen 518000,Guangdong Province,China)

机构地区：[1]哈尔滨工业大学自动化测试与控制研究所,黑龙江省哈尔滨市150006 [2]哈尔滨理工大学理学院应用数学系,黑龙江省哈尔滨市150080 [3]深圳市计量质量检测研究院,广东省深圳市518000

出　　处：《中国电机工程学报》

基　　金：国家重点研发计划项目(2016YFF0201204);国家自然科学基金项目(61501148)~~

年　　份：2019

卷　　号：39

期　　号：1

起止页码：105-111

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：实时评估电动汽车动力锂电池的健康状态(stateof health,SOH)对电动汽车的维护至关重要。针对实际应用中电动汽车电池具有放电容量测量不稳定、测试负载重,操作不方便等问题。该文首先研究基于充电容量计算电池健康状态的可行性。然后,建立充电容量SOH模型将电池充电容量的估算转换为电池全充所需时间的估算。由于锂电池实际充电时的数据是片段的,提出基于扩展卡尔曼滤波和高斯过程回归的全充时间估算算法,解决了片段充电数据预测电池实时全充时间的问题。最后,通过实验仿真,验证了高斯过程扩展卡尔曼滤波在锂电池健康状态评估中的针对性、有效性和实时性。

关 键 词：健康状态  片段数据  恒流充电 扩展卡尔曼滤波 高斯过程回归  

分 类 号：TM911]